Muestra vs Población
Población y Muestra son dos términos importantes en el tema 'Estadística'. En términos simples, la población es la colección más grande de elementos que nos interesa estudiar, y la muestra es un subconjunto de una población. En otras palabras, la muestra debe representar a la población con un número menor pero suficiente de elementos. Una población puede tener varias muestras con diferentes tamaños.
Muestra
Una muestra puede constar de dos o más elementos que se han seleccionado de la población. El tamaño más bajo posible para una muestra es dos y el más alto sería igual al tamaño de la población. Hay varias formas de seleccionar una muestra de una población. Teóricamente, seleccionar una "muestra aleatoria" es la mejor manera de lograr inferencias precisas sobre la población. Este tipo de muestras también se denominan muestras probabilísticas, ya que cada elemento de la población tiene la misma oportunidad de ser incluido en una muestra.
La técnica de "muestreo aleatorio simple" es la técnica de muestreo aleatorio más famosa. En este caso, los elementos que se seleccionarán para la muestra se eligen aleatoriamente de la población. Tal muestra se llama "Muestra aleatoria simple" o SRS. Otra técnica popular es el "muestreo sistemático". En este caso, los elementos de una muestra se seleccionan en función de un orden sistemático particular.
Ejemplo: cada décima persona de la cola se selecciona para una muestra.
En este caso, el orden sistemático es cada 10 personas. El estadístico es libre de definir este orden de manera significativa. Existen otras técnicas de muestreo aleatorio, como el muestreo por conglomerados o el muestreo estratificado, y el método de selección es ligeramente diferente de los dos anteriores.
Para fines prácticos, se pueden utilizar muestras no aleatorias, como muestras de conveniencia, muestras de juicio, muestras de bola de nieve y muestras intencionadas. Además, los artículos seleccionados para muestras no aleatorias pertenecen a una oportunidad. De hecho, cada elemento de la población no tiene la misma oportunidad de ser incluido en muestras no aleatorias. Estos tipos de muestras también se denominan muestras no probabilísticas.
Población
Cualquier colección de entidades que sea interesante investigar se define simplemente como "población". La población es la base de las muestras. Cualquier conjunto de objetos en el universo puede ser una población, según la declaración de estudio. En general, una población debe ser comparativamente grande en tamaño y difícil de inferir algunas características al considerar sus elementos individualmente. Las medidas a investigar en la población se denominan parámetros. En la práctica, los parámetros se estiman utilizando estadísticas que son las medidas relevantes de la muestra.
Ejemplo: Al estimar la nota media en matemáticas de 30 alumnos de una clase a partir de la nota media en matemáticas de 5 alumnos, el parámetro es la nota media en matemáticas de la clase. La estadística es la nota promedio de matemáticas de 5 estudiantes.
Muestra vs Población
La relación interesante entre la muestra y la población es que la población puede existir sin una muestra, pero la muestra puede no existir sin la población. Este argumento prueba además que una muestra depende de una población, pero curiosamente, la mayoría de las inferencias de población dependen de la muestra. El propósito principal de una muestra es estimar o inferir algunas medidas de una población de la manera más precisa posible. Se puede inferir una mayor precisión del resultado general obtenido de varias muestras de la misma población en lugar de una sola muestra. Otra cosa importante que debe saber es que, al seleccionar más de una muestra de una población, un elemento también puede incluirse en otra muestra. Este caso se conoce como ‘muestras con reemplazos’. Además, invertir las mediciones relevantes de la población a partir de una muestra y obtener resultados casi similares es una oportunidad de oro para ahorrar el valor del costo y el tiempo.
Es fundamental saber que, cuando aumenta el tamaño de la muestra, también aumenta la precisión de la estimación del parámetro poblacional. Lógicamente, para tener mejores estimaciones de la población, el tamaño de la muestra no debe ser demasiado pequeño. Además, también se debe considerar que las muestras aleatorias tienen mejores estimaciones. Por lo tanto, es fundamental prestar atención al tamaño y la aleatoriedad de la muestra para que sea representativa a fin de obtener las mejores estimaciones para la población.
